掌上百科 - PDAWIKI

 找回密码
 免费注册

QQ登录

只需一步,快速开始

查看: 5605|回复: 192

[工具] ⚜【支持超大文件】Python MDX词典打包工具 2019-11-19更新

[复制链接]
  • TA的每日心情
    奋斗
    2020-3-14 07:50
  • 签到天数: 245 天

    [LV.8]以坛为家I

    发表于 2019-10-9 03:46:36 | 显示全部楼层 |阅读模式
    本帖最后由 lgmcw 于 2020-1-6 21:16 编辑 % F/ @! I3 V  X3 _# \4 x# t$ E
    ; z0 x- K. x( D; m, `/ _
    这帖target的是硬核玩家,希望对有需要的人有所帮助。代码比较乱,拖了好久都懒得整理,正好朋友又找我需要,趁着一鼓作气整理出来就正好也贴在论坛里吧。我这里不跟进你那边的环境调试了,如果有运行错误自己修一下(python3可参考楼下的修改经验);不过还是鼓励回帖反馈。对我以后做新人友好版有帮助。
    + r8 r- M' _" a4 H6 y0 w以后我会做一款带GUI的,针对小白玩家。. A6 O5 R* B" k; W

    $ d3 Y2 J0 Y8 n; _9 H入口文件,运行genMDX_ox4.py即可开始打包,附了一个牛津4的txt源码,我已经调试好,确保在我这里能工作,下载后可以直接运行用来测试程序。我的所有字典都是用这个程序打包,暂时没什么大问题。词条数最多我试过的简明英汉400多万词头;体积最大的OED,txt源码就有2.4G;这些打包都毫无压力。不过我这边还在用老古董python2.7;python3应该也能用,如果报错,可能需要自己debug一下。
    9 ?9 ]$ t# q% P% _genMDX_ox4.py is the entrance file you want to use in CMD/terminal. I've also enlcosed a OALD4_azure.txt for testing purpose.
    1 v1 h- l' i2 X( d& W$ g7 i! G( t% V; o- i, ]

    ! q$ t% e8 q! C& J5 ^. n% t$ r9 Q; t9 u  d8 c
      i# Z' {5 _5 f4 X0 C2 CWindows下运行举例(需安装python):) h  t: _9 Y3 c- j) l

    . |7 _( A( N2 S4 F5 K9 ~. l9 S! v/ c. B+ x/ C
    相较于原版我主要改了两个地方:
    7 D1 o9 L  M" W2 f8 u. d& ^7 V# j1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value
    % u' S/ f7 A3 g; f: r2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。: h" b# \+ K& Y5 y3 o. J

    3 {5 g5 ?, {( s! k, ?* B$ i4 b* X3 R2 ~2 ?; D; [
    9 d* b  h( [6 ?7 Z
    Python实现的txt转MDX代码:
    游客,本帖隐藏的内容需要积分高于 20000 才可浏览,您当前积分为 0

    9 C3 \, b, u- O4 ?+ ?  J5 ~9 `% ?2 o8 s  A& o* \0 e0 j
    两个隐藏内容完全一样。
    # D9 b% R% O+ l0 t  \$ y; \2 _& E
    ) m# Y( ?/ g" M$ s
    游客,如果您要查看本帖隐藏内容请回复
    欢迎提建议, W. v! [- u: ^* n/ \. i# F. n5 M
    ⚜ 感兴趣可以看看我的其他字典,绝大部分都公开分享。
    0 M7 x, ?& F/ H1 X5 t) T( l) j! W2 @7 d. {1 s8 x
    & Q( ]# u9 p3 m

    % r  g' `; G. \8 L
    6 K, s" M* J4 p3 d% |8 ]* b
    4 H' O- X4 U  [! c0 `8 Q- S; |
    0 G1 V7 n$ L! A

    评分

    5

    查看全部评分

    本帖被以下淘专辑推荐:

  • TA的每日心情
    慵懒
    2020-5-29 11:38
  • 签到天数: 507 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:44:33 | 显示全部楼层
    谢谢L大,等了1年了。
  • TA的每日心情
    郁闷
    4 天前
  • 签到天数: 325 天

    [LV.8]以坛为家I

    发表于 2019-12-6 14:19:04 | 显示全部楼层
    我的是Python3.7的,genMDX_ox4.py文件里面的! g) L3 \) U; P
    imp.reload(sys)改为:
    ! s* t( h: s3 mimport importlib0 r: m& _- a3 z* w+ t
    importlib.reload(sys); ?) F9 W3 k3 Q; o5 d# R
    然后删掉:sys.setdefaultencoding("utf-8")
    " z/ w# G. i4 G* _$ p测试通过。
    ; G2 p5 L1 }+ L# @$ j8 n" T7 \3 [/ K( j
    但是生成的词典,用SourceEditor打不开,PC版GoldenDict,安卓版欧路可以打开。汇报完毕。

    评分

    1

    查看全部评分

  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-9 07:09:48 | 显示全部楼层
    感謝 lgmcw 兄:
    , b5 {3 n8 @! g6 P( H+ L5 S. N分享
    【支持超大文件】Python打包MDX词典工具

    ! B5 J4 L1 L" ^) ~# O非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來
    5 k$ }! K. U( q4 [% d# X謝謝仁兄分享此重量級工具
    8 F$ K2 Y% g: ~- z' [6 J
  • TA的每日心情
    擦汗
    2020-6-14 13:39
  • 签到天数: 159 天

    [LV.7]常住居民III

    发表于 2019-12-9 09:53:05 | 显示全部楼层
    反馈个问题,直接跑大佬的源码,在mac上会报如下错误:
    : i8 m3 c  g( g, hTraceback (most recent call last):
    3 {# A- A% j+ R2 ?' B  r' t& k  File "genMDX_ox4.py", line 14, in <module>- q8 z$ w3 Y+ H: z. W
        reload(sys)
    ! l5 G* w% b4 G/ H/ s; l3 hNameError: name 'reload' is not defined8 t2 u% n% F0 c. Q

    ! H! {( @" a% Q8 R* j解决:
    3 p0 w, F% q& _- }6 ?注释掉文件line14和line15,即可

    点评

    应该是python3和python2.7的区别  发表于 2019-12-9 10:15

    评分

    1

    查看全部评分

  • TA的每日心情
    开心
    2019-3-26 21:36
  • 签到天数: 178 天

    [LV.7]常住居民III

    发表于 2019-10-12 15:33:11 | 显示全部楼层
    本帖最后由 流星冲击 于 2019-10-12 15:37 编辑 : @5 m7 U4 x5 ^0 w5 z

    $ ?1 B$ h5 @. ~1. 在代码里,以前一个字典的key只能对应唯一个value。而MDict完全支持多个相同词头对应多个意思。所以我改了代码,让一个字典的key可以对应多个value。8 R% L0 K2 Y; |* `
    4 d+ N! q" {% }& W
    之前我和zzzz_sleep讨论过“以前一个字典的key只能对应唯一个value”的问题,他给出的方法是让类Mdict套壳的软件/app的作者去解决,例如用@@@link和a href=词头#锚跳相混合实现查询多个value的方式(具体zzzz_sleep给出的代码的用法我也忘记了,不过印象中还是基于一个key对应一个value的用法),现在楼主这个工具直接从代码层修改一个key对应多个value,这个要给个赞!
    % |6 {4 ]: ?2 V+ L. m  ^
    % t% a% [+ m3 p+ [2. 修改排序算法,原版是用的默认python排序,输出的文件在MDict简直不能查。GD勉强能查。' Y1 R4 A  F% h/ }6 g/ I/ J$ ?" ?
    ) Z2 Z2 C& K  }8 r2 p
    我没用Mdict_PC来查询生成的mdx,对于GoldenDict,我看了某些帖子的说法,GD是全部提取mdx的headwords为一个缓存文件而不依赖原生的mdx算法的排序的,相同词头(例如a和A)是以类似多本词典联合查询单词的方式在一个页面内列出所有a和A词头的内容的,如果GD不依赖原生的mdx算法排序,楼主说“GD勉强能查”是单词基本能查询,不过不按照Azure排序(dot,doT,dOt...)这样排列下来?  Z  ^$ ^! O6 x
    手机端的app,以Azure排序,单本词典查询的模式下,安卓mdcit和平典app(平典app可能有些带符号的单词查不到什么的,平典以前的国庆版本就查不到楼主你用python生成的新牛津v2.3.0 beta的单词词头)查询是完美支持这种排序的,而不是原生A再到a这样下来。深蓝dict不能单本词典模式查词,所以不能看到多个a和A,a和A的内容会挤在一个界面,由于不能单本查词,ff大的朗文5++ v1.3.5的气球在滑动单词页面时不能固定在右下角(直接在单词页面最右下角,对于长内容,需要滑动到页面最底部)。欧路app未测试。
  • TA的每日心情
    无聊
    2020-5-6 21:33
  • 签到天数: 20 天

    [LV.4]偶尔看看III

    发表于 2019-10-9 09:06:01 | 显示全部楼层
    谢谢l大,准备考研结束后就折腾折腾
  • TA的每日心情
    开心
    2020-1-5 08:04
  • 签到天数: 50 天

    [LV.5]常住居民I

    发表于 2019-10-9 08:19:19 | 显示全部楼层
    謝謝分享此重量級工具,感谢 !

    点评

    如果是古籍文献,有可能需要用UTF-16。要自己摸索一下修改入口文件。  发表于 2019-10-10 01:04
  • TA的每日心情
    郁闷
    6 天前
  • 签到天数: 213 天

    [LV.7]常住居民III

    发表于 2019-10-9 06:37:56 | 显示全部楼层
    先收藏再研究,谢谢分享
  • TA的每日心情

    2020-2-6 07:26
  • 签到天数: 129 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:00:20 | 显示全部楼层
    thanks a lot
  • TA的每日心情
    奋斗
    2020-4-24 14:14
  • 签到天数: 209 天

    [LV.7]常住居民III

    发表于 2019-10-9 07:54:53 | 显示全部楼层
    謝謝分享資源
  • TA的每日心情
    开心
    14 小时前
  • 签到天数: 1026 天

    [LV.10]以坛为家III

    发表于 2019-10-9 08:05:03 | 显示全部楼层
    好东西,学习学习,谢谢楼主分享技术
  • TA的每日心情
    开心
    22 小时前
  • 签到天数: 468 天

    [LV.9]以坛为家II

    发表于 2019-10-9 08:28:06 | 显示全部楼层
    学习,谢谢楼主分享技术,争取以后逐步从小白玩家进化到硬核玩家。
  • TA的每日心情
    奋斗
    13 小时前
  • 签到天数: 413 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:07:57 | 显示全部楼层
    非常感谢你的分享。
  • TA的每日心情
    奋斗
    昨天 00:00
  • 签到天数: 197 天

    [LV.7]常住居民III

    发表于 2019-10-9 09:21:53 | 显示全部楼层
    好东西 谢谢分享
  • TA的每日心情
    无聊
    昨天 12:31
  • 签到天数: 595 天

    [LV.9]以坛为家II

    发表于 2019-10-9 09:30:46 | 显示全部楼层
    請問 mdxbuilder 目前能處理的文檔大概是多大?
  • TA的每日心情

    2019-9-20 08:37
  • 签到天数: 214 天

    [LV.7]常住居民III

    发表于 2019-10-9 10:06:07 | 显示全部楼层
    还是可以指定输入文件的命令行方式不较好- d7 W7 v6 Y' g5 P1 l5 f
    比如 python genMDX.py source.txt about.txt
  • TA的每日心情

    14 小时前
  • 签到天数: 220 天

    [LV.7]常住居民III

    发表于 2019-10-9 10:14:53 | 显示全部楼层
    emmm论坛有个excel转mdx的工具很不好用。。。
  • TA的每日心情

    2020-7-9 11:09
  • 签到天数: 517 天

    [LV.9]以坛为家II

    发表于 2019-10-9 16:54:33 | 显示全部楼层
    感谢分享,看看,学习一下
  • TA的每日心情
    奋斗
    2020-3-14 07:50
  • 签到天数: 245 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:02:33 | 显示全部楼层
    HMPT 发表于 2019-10-9 10:06
    + m& h7 b* \+ n, Y- n还是可以指定输入文件的命令行方式不较好9 w7 W# u9 v" q$ Y* r' y0 s/ w
    比如 python genMDX.py source.txt about.txt ...
    " Z( o/ H& E9 r
    这个其实改一下入口文件就能实现,应该不难的。
  • TA的每日心情
    奋斗
    2020-3-14 07:50
  • 签到天数: 245 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-10 01:03:25 | 显示全部楼层
    本帖最后由 lgmcw 于 2019-10-10 01:58 编辑
    ! q& J; B4 J# Q9 Q
    oversky 发表于 2019-10-9 09:30% y: }9 R3 ?; O6 O/ d
    請問 mdxbuilder 目前能處理的文檔大概是多大?
    + i9 \1 S3 {9 \8 P9 M
    你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。
  • TA的每日心情
    无聊
    昨天 12:31
  • 签到天数: 595 天

    [LV.9]以坛为家II

    发表于 2019-10-10 07:27:37 | 显示全部楼层
    lgmcw 发表于 2019-10-10 01:03
    2 R& j( h0 S" n: |你可以咨询一下@喬治兄 ,他可是屡屡遇到上限。

    & v! V( w2 x: U谢谢您的指引。

    该用户从未签到

    发表于 2019-10-10 11:24:07 | 显示全部楼层
    很有用的工具
  • TA的每日心情
    开心
    2020-7-5 21:15
  • 签到天数: 100 天

    [LV.6]常住居民II

    发表于 2019-10-10 11:45:08 | 显示全部楼层
    非常感谢分享!
  • TA的每日心情
    奋斗
    2020-3-14 07:50
  • 签到天数: 245 天

    [LV.8]以坛为家I

     楼主| 发表于 2019-10-12 12:38:31 | 显示全部楼层
    喬治兄 发表于 2019-10-9 07:09% X+ q9 v% g1 p, R3 l) @
    感謝 lgmcw 兄:
    % I. E% ?9 H/ b: v4 p; o  P- |分享  
    , j6 C* A1 j! [& o+ b4 [非常需要此超大文件打包, 有的文件再合併後再用 mdxbuilder 打包MDX弄不出來
    6 y+ t$ L) U1 U  G  {
    兄弟可测试通过,此工具可还好用?
  • TA的每日心情
    开心
    2018-8-8 03:13
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-10-12 12:48:11 | 显示全部楼层
    lgmcw 发表于 2019-10-12 12:389 [4 }8 {6 A+ U) _* f% d
    兄弟可测试通过,此工具可还好用?

    $ m. K$ C9 @8 E' x7 s2 t. o0 K8 n謝謝 lgmcw 兄關心,小弟還未試呀,小弟會盡快試試,若有困難再向仁兄請益,謝謝啦!
    您需要登录后才可以回帖 登录 | 免费注册

    本版积分规则

    顶部qrcode底部
    关注公众号送论坛充值码
    关注微信公众平台
    关注微信公众号 pdawiki,获取邀请码,看文抢积分,抽奖得浮云! Follow our Wechat official account "pdawiki", get invitation codes, and play the lottery to earn points (积分)!

    小黑屋|手机版|Archiver|PDAWIKI |网站地图

    GMT+8, 2020-8-11 23:30 , Processed in 0.061476 second(s), 11 queries , MemCache On.

    Powered by Discuz! X3.4

    © 2001-2017 Comsenz Inc.

    快速回复 返回顶部 返回列表